KI für Energie und Chinas Unterwasser-Rechenzentrum
24 Megawatt ist die Schlagzahl des neuen Unterwasser-Standorts in Shanghai, und diese eine Zahl sagt viel darüber aus, wohin KI für Energie steuert. Das von HiCloud Technology und China Communications Construction errichtete Projekt ist nicht nur ein technisches Experiment; es ist ein Live-Test dafür, wie Länder die KI-Nachfrage mit geringerer Kühlungslast, höherer Energieeffizienz und mehr erneuerbarer Energie decken können. Wie WIRED en Español berichtet, kombiniert der Standort Offshore-Windenergie mit Meerwasserkühlung in einem Moment, in dem das Wachstum der Rechenleistung Infrastrukturentscheidungen neu formt.
China eröffnet das erste offshor-windbetriebene Unterwasser-Rechenzentrum
Das Projekt liegt in der Sonderwirtschaftszone Lin-gang in Shanghai, innerhalb der Chinesischen Pilot-Freihandelszone, mit Modulen in etwa 10 Metern Tiefe unter Wasser. Die anfängliche Kapazität beträgt 24 MW, und das Betriebsmodell sieht vor, Meerwasser als natürliches Kühlsystem zu nutzen, anstatt primär auf konventionelle Klimaanlagen zu setzen.
Das ist relevant, weil Kühlung weiterhin einer der am wenigsten flexiblen Kostenfaktoren in der KI-Infrastruktur bleibt. In einem standardmäßigen Land-Standort können Kühlsysteme 40 bis 50 Prozent des gesamten Strombedarfs ausmachen, wie der Quellenartikel vermerkt. Das chinesische Projekt hingegen zielt darauf ab, den Kühlenergieanteil auf unter 10 Prozent des Gesamtverbrauchs zu senken – eine drastische Reduktion, falls sie im regulären Betrieb erreicht wird.
Bemerkenswert ist auch die Energiequelle. HiCloud hatte bereits 2023 ein kommerzielles Unterwasser-Rechenzentrum in Hainan in Betrieb genommen, aber der Komplex in Shanghai ist der erste bekannte Standort, der mit Offshore-Wind betrieben wird. Für Unternehmensverantwortliche, die KI-Implementierungsdienstleistungen und Infrastrukturrisiken verfolgen, ist das das wichtigere Signal: Der Ausbau von Rechenkapazitäten ist zunehmend davon abhängig, wo saubere Energie und effiziente Kühlung gemeinsam – nicht getrennt – gesichert werden können.
Warum das Projekt für die KI-Infrastruktur-Nachfrage wichtig ist
Der übergeordnete Kontext ist einfach: Das KI-Wachstum macht die Energieplanung zu einem Thema auf Vorstandsebene. Ein kürzlich in der Quellenberichterstattung zitierter UNCTAD-Bericht besagt, dass nur 32 Länder über KI-spezialisierte Rechenzentren verfügen und etwa 90 Prozent dieser Infrastruktur auf China und die Vereinigten Staaten konzentriert sind. Diese Konzentration bedeutet, dass Kapazität nicht nur eine Softwarefrage ist. Sie ist auch eine Frage von Standortwahl, Netz und Beschaffung.
Für Unternehmen in den Bereichen Technologieinfrastruktur, Energie und Fertigung ändert dies, wie KI-Strategie bewertet werden sollte. Die entscheidende Einschränkung mag nicht die Modellauswahl sein. Sie mag der Zugang zu zuverlässigem Strom, akzeptablen Betriebskosten und ausreichender thermischer Effizienz sein, um den Ausbau tragfähig zu halten.
Ein weiterer praktischer Erkenntniswert ist, dass die Infrastrukturgestaltung nun nachgelagerte Entscheidungen zur KI-gestützten Geschäftsautomatisierung beeinflusst. Wenn rechenintensive Workloads in Regionen mit hohen Temperaturen und Netzstress teurer werden, müssen Unternehmen selektiver entscheiden, wo Training, Inferenz, Analytik und KI-Automatisierungsagenten eingesetzt werden.
Erhalten Sie jede Woche einen praktischen KI-Programm-Tipp. Abonnieren Sie den Encorp-Newsletter.
Die Zahlen hinter dem Effizienzversprechen
Der stärkste Grund, warum diese Geschichte Beachtung verdient, ist die Dichte messbarer Aussagen. Laut der chinesischen Regierungserklärung zum Projekt soll der Unterwasser-Standort mehr als 90 Prozent Offshore-Windenergie nutzen, den Gesamtenergieverbrauch um 30 bis 40 Prozent senken und den Kühlenergiebedarf von 40 bis 50 Prozent des Gesamtstromverbrauchs auf unter 10 Prozent reduzieren – im Vergleich zu herkömmlichen Land-Rechenzentren.
Eine zweite Schlüsselkennzahl ist PUE 1,15. Wie Google in seinem Überblick zur Rechenzentrumseffizienz erklärt, misst die Power Usage Effectiveness die gesamte Anlagenleistung dividiert durch die IT-Geräteleistung, wobei 1,0 den theoretischen Idealwert darstellt. Ein Ziel von 1,15 bringt das Shanghai-Projekt auf dem Papier in den Bereich des State-of-the-Art.
Drei Zahlen fallen besonders auf:
- 24 MW anfängliche Kapazität, genug, um dies zu einem ernsthaften Infrastruktur-Asset statt eines Labor-Piloten zu machen.
- Unter 10 Prozent der Leistung für Kühlung, gegenüber den 40 bis 50 Prozent, die laut Quellenberichterstattung bei herkömmlichen Konzepten üblich sind.
- Mehr als 90 Prozent Offshore-Windenergie, die den Rechenleistungs-Ausbau direkt mit der Beschaffung erneuerbarer Energie verknüpft.
Diese Zahlen erklären auch, warum dies mehr als eine Umweltgeschichte ist. Sie weisen auf Betriebsökonomik hin. Geringere Kühlungs-Overheads verbessern Margen und können die langfristige Kapazitätsplanung stabilisieren. Ein besserer PUE macht KI-Datenanalytik und Hochverfügbarkeits-Workloads leichter budgetierbar. Und die Integration erneuerbarer Energien kann die Abhängigkeit von fossilen Preisschwankungen reduzieren, führt jedoch auch eigene Herausforderungen bei Intermittenz und Netzausgleich mit sich.
Es gibt auch Einschränkungen. Unterwasser-Wartung ist komplexer als die Wartung eines standardmäßigen landbasierten Saals. Die Standortwahl ist eingeschränkt. Versicherung, Reparatur-Logistik und die Zuverlässigkeit von Unterwasserkomponenten werden weitaus wichtiger sein als bei einem normalen Unternehmensbau. Mit anderen Worten: Dies ist ein wichtiges Signal, kein universelles Muster.
Was Chinas Politikwandel über das KI-Rennen aussagt
Dieses Projekt ergibt mehr Sinn, wenn man es im Kontext der breiteren chinesischen Energiepolitik liest. Der Quellenartikel vermerkt, dass letztes Jahr ein neues Energiegesetz in Kraft trat, das erneuerbaren Energien und Wasserstoff Vorrang einräumt, während Strommarktreformen ab Juni 2025 vorschreiben, dass Solar- und Windenergie über Marktmechanismen oder Auktionen gehandelt werden müssen, anstatt über ältere Festtarif-Strukturen.
Dieser Politikwandel ist wichtig, weil KI-Infrastruktur langfristige Planung erfordert. Stromverträge, Standortentwicklung und Integrationsdienstleistungen hängen alle davon ab, ob Vertrauen besteht, dass Erzeugungskapazität dort vorhanden sein wird, wo die KI-Nachfrage wächst. China scheint dies als Frage der Industriestrategie zu behandeln, nicht nur als Nachhaltigkeitsthema.
Der Vergleich mit den Vereinigten Staaten ist nicht, dass eine Seite Rechenzentren baut und die andere nicht. Es ist, dass sie unterschiedliche Wege zur Versorgungssicherheit betonen. China versucht, die Abhängigkeit von externen fossilen Einspeisemöglichkeiten zu reduzieren, während erneuerbare Energien und Kernkraftoptionen ausgebaut werden. Das verleiht Projekten wie dem Shanghai-Standort eine größere strategische Rolle: Sie testen, ob KI-Ära-Infrastruktur sowohl effizienter als auch stärker national kontrollierbar sein kann.
Hier wird auch die Analyse der Internationalen Energieagentur zu Strom und Rechenzentren zu nützlichem Kontext. Die KI-Nachfrage treibt Versorger, Betreiber und Großabnehmer zu detaillierteren Prognosen von Spitzenlasten, Resilienzbedürfnissen und Übertragungsbeschränkungen. In der Praxis hängen KI-Integrationsdienstleistungen heute ebenso sehr von Energie-Realismus ab wie von Software-Architektur.
Wie dies im Vergleich zu herkömmlichem Rechenzentrum-Design abschneidet
Ein nützlicher Ansatz, um diese Entwicklung zu lesen, ist nicht als binäre Entscheidung zwischen Unterwasser- und Land-Designs, sondern als Benchmark gegenüber bisherigen Annahmen. Herkömmliche Einrichtungen konkurrieren über Standort, Steueranreize und Glasfaserzugang. Neuere KI-orientierte Einrichtungen müssen auch über Kühlungsweg, Wasserverbrauch und Strombeschaffung konkurrieren.
| Designfaktor | Herkömmliches Land-Rechenzentrum | Shanghai-Unterwasser-Modell |
|---|---|---|
| Kühlmethode | Mechanische Klimaanlage | Meerwasserkühlung |
| Kühlenergieanteil | Laut Quellenartikel oft 40–50 % | Laut Konzept unter 10 % |
| PUE-Ziel | Stark je nach Alter und Standort variierend | Ziel 1,15 |
| Landnutzung | Erheblicher Campus-Fußabdruck | Laut Projektangabe um mehr als 90 % geringer |
| Energiequellen-Mix | Netzabhängig, oft gemischt | Laut Projektangabe mehr als 90 % Offshore-Windenergie |
Dieser Vergleich hat direkte Auswirkungen auf die Unternehmensbeschaffung. Käufer sollten stärker darauf achten, wo Workloads laufen, wie der Energiemix aussieht und ob Anbieter Leistungskennzahlen konsistent melden können. Dies gilt besonders für Unternehmen, die KI-Implementierungsdienstleistungen über mehrere Geschäftsbereiche skalieren.
Für Betreiber, die eher taktisch denken, ist dies der Punkt, an dem ein Dienst wie AI Smart Energy Management for Facilities am besten passt: Dieselben Disziplinen, die in einem Unterwasser-Rechenzentrum wichtig sind – Lastprognose, Anomalieerkennung und kontinuierliches Effizienz-Monitoring – sind auch in gewöhnlichen Unternehmensimmobilien wichtig. Der Unterschied ist nicht das Bedürfnis nach operativer Transparenz. Es ist das Maß an technischer Komplexität.
Was Unternehmen als Nächstes beobachten sollten
Drei Indikatoren sind jetzt wichtiger als noch vor einem Jahr: PUE-Ziele, Anteil erneuerbarer Energie und regionale Kühlungsbeschränkungen. Dies sind keine Randkennzahlen mehr für Nachhaltigkeitsteams. Sie werden Teil der Mainstream-KI-Strategie und der Anbieter-Due-Diligence.
Unternehmen sollten auch beobachten, ob Projekte wie dieses isolierte nationale Schaufenster bleiben oder beginnen, kommerzielle Designstandards in Asien, Europa und Nordamerika zu beeinflussen. Wenn mehr Einrichtungen alternative Kühlung und engere Energieintegration verfolgen, könnten Käufer beginnen, Infrastruktureffizienz als zentrales Auswahlkriterium statt als ESG-Fußnote zu behandeln.
Der Trend ist klar, auch wenn dieses konkrete Design eine Nische bleibt. KI für Energie bewegt sich von abstrakter Politikdiskussion hin zu physischen Infrastrukturentscheidungen, gemessen in Megawatt, PUE und Beschaffungsbedingungen. Die Unternehmen, die frühzeitig um diese Einschränkungen herum planen, werden bessere Entscheidungen darüber treffen, wo KI-Workloads hingehören und was sie kosten sollten.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation